Czy ktoś może podać intuicję, dlaczego wyższe momenty rozkładu prawdopodobieństwa , podobnie jak moment trzeci i czwarty, odpowiadają odpowiednio skośności i kurtozie? W szczególności dlaczego odchylenie dotyczące średniej podniesionej do trzeciej lub czwartej potęgi ostatecznie przekłada się na miarę skośności i kurtozy? Czy istnieje sposób na odniesienie tego do trzeciej lub czwartej pochodnej funkcji?
Rozważ tę definicję skośności i kurtozy:
W tych równaniach podnosimy znormalizowaną wartość do potęgi i przyjmujemy jej wartość oczekiwaną. Nie jest dla mnie jasne, dlaczego podniesienie znormalizowanej zmiennej losowej do potęgi czterech daje „szczytowość” lub dlaczego podniesienie znormalizowanej zmiennej losowej do potęgi trzech powinno dać „skośność”. To wydaje się magiczne i tajemnicze!
Odpowiedzi:
Istnieje dobry powód dla tych definicji, który staje się jaśniejszy, gdy spojrzysz na ogólną formę momentów znormalizowanych zmiennych losowych. Aby odpowiedzieć na to pytanie, najpierw rozważ ogólną formęn tego znormalizowanego momentu centralnego : ††
Są to wielkości nieujemne, które dają tą bezwzględną moc znormalizowanej zmiennej losowej pod warunkiem, że będzie ona wyższa lub niższa od wartości oczekiwanej. Teraz podzielimy znormalizowany moment centralny na te części.n
Dziwne wartości mierzą pochylenie w ogonach:n Dla każdej nieparzystej wartości mamy nieparzystą moc w równaniu momentu i możemy zapisać znormalizowany moment centralny jako . Z tej formy widzimy, że znormalizowany moment centralny daje nam różnicę między tą mocą absolutną znormalizowanej zmiennej losowej, pod warunkiem, że będzie ona odpowiednio powyżej lub poniżej swojej średniej.n⩾3 ϕn=ϕ+n−ϕ−n n
Zatem dla każdej nieparzystej mocy otrzymamy miarę, która daje wartości dodatnie, jeśli oczekiwana moc bezwzględna znormalizowanej zmiennej losowej jest wyższa dla wartości powyżej średniej niż dla wartości poniżej średniej, i daje wartości ujemne, jeśli oczekiwana moc bezwzględna jest niższa dla wartości powyżej średniej niż dla wartości poniżej średniej. Każdą z tych wielkości można zasadnie uznać za miarę pewnego rodzaju „skośności”, przy czym wyższe moce dają większy względny ciężar wartościom dalekim od średniej.n⩾3
Ponieważ zjawisko to występuje dla każdej nieparzystej mocy , naturalnym wyborem dla archetypowej miary „skośności” jest zdefiniowanie jako skośności. Jest to niższy znormalizowany moment centralny niż wyższe nieparzyste moce i naturalne jest badanie momentów niższego rzędu przed rozważeniem momentów wyższego rzędu. W statystykach przyjęliśmy konwencję określania tego znormalizowanego momentu centralnego jako skośności , ponieważ jest to najniższy znormalizowany moment centralny, który mierzy ten aspekt rozkładu. (Wyższe moce nieparzyste mierzą również typy skośności, ale z coraz większym naciskiem na wartości dalekie od średniej.)n⩾3 ϕ3
Parzyste wartości mierzą tłuszcz ogonów:n Dla dowolnej parzystej wartości mamy równą moc w równaniu momentu i możemy zapisać znormalizowany moment centralny jako . Z tej formy widzimy, że znormalizowany moment centralny daje nam sumę tej bezwzględnej mocy znormalizowanej zmiennej losowej, pod warunkiem, że będzie ona odpowiednio powyżej lub poniżej swojej średniej.n⩾3 ϕn=ϕ+n+ϕ−n n
Zatem dla dowolnej parzystej mocy otrzymamy miarę, która daje wartości nieujemne, z wyższymi wartościami występującymi, jeśli ogony rozkładu znormalizowanej zmiennej losowej są grubsze. Zauważ, że jest to wynik w stosunku do znormalizowanej zmiennej losowej, a zatem zmiana skali (zmiana wariancji) nie ma wpływu na tę miarę. Jest to raczej miara grubości ogonów, po standaryzacji dla wariancji rozkładu. Każdą z tych wielkości można zasadnie uznać za miarę pewnego rodzaju „kurtozy”, przy czym wyższe moce dają większą względną wagę wartościom, które są dalekie od średniej.n⩾3
Ponieważ zjawisko to występuje dla każdej parzystej mocy , naturalnym wyborem dla archetypowej miary kurtozy jest zdefiniowanie jako . Jest to niższy znormalizowany moment centralny niż wyższe parzyste moce i naturalne jest badanie momentów niższego rzędu przed rozważeniem momentów wyższego rzędu. W statystyce przyjęliśmy konwencję określania tego znormalizowanego momentu centralnego jako „kurtozy”, ponieważ jest to najniższy znormalizowany moment centralny, który mierzy ten aspekt rozkładu. (Wyższe parzyste moce również mierzą rodzaje kurtozy, ale z coraz większym naciskiem na wartości dalekie od średniej).n⩾3 ϕ 4ϕ4
źródło
Podobne pytanie Co to jest „moment” w „momentach” rozkładu prawdopodobieństwa? Dałem fizyczną odpowiedź na to, co dotyczyło chwil.
„Przyspieszenie kątowe jest pochodną prędkości kątowej, która jest pochodną kąta względem czasu, tj. . Weź pod uwagę, że drugi moment jest analogiczny do momentu obrotowego przyłożonego do ruchu kołowego, lub jeśli będziesz przyspieszania / zwalniania (także drugiej pochodnej) tego ruchu kołowego (tj. kątowego, ). Podobnie, trzeci moment byłby być szybkością zmiany momentu obrotowego, i tak dalej itd. dla jeszcze wyższych momentów, aby uzyskać prędkości zmian szybkości zmian szybkości zmian, tj. sekwencyjne pochodne ruchu kołowego… ”dωdt=α,dθdt=ω θ
Zobacz link, ponieważ być może łatwiej jest to sobie wyobrazić za pomocą fizycznych przykładów.
Skośność jest łatwiejsza do zrozumienia niż kurtoza. Ujemna skośność to cięższy lewy ogon (lub dalsze odchylenie w kierunku ujemnym) niż na prawym, a skośność dodatnia przeciwnie.
Wikipedia cytuje Westfall (2014) i sugeruje, że wysoka kurtoza powstaje albo dla zmiennych losowych, które mają dalekie wartości odstające, albo dla funkcji gęstości z jednym lub dwoma ciężkimi ogonami, jednocześnie twierdząc, że jakakolwiek centralna tendencja danych lub gęstości ma stosunkowo niewielki wpływ na wartość kurtozy. Niskie wartości kurtozy oznaczałyby coś przeciwnego, tj. Brak wartości odstających od osi i względną lekkość obu ogonów.x
źródło